zoukankan      html  css  js  c++  java
  • Java蓝桥杯练习题——Huffman树

    Huffman树在编码中有着广泛的应用。在这里,我们只关心Huffman树的构造过程。

    给出一列数{pi}={p0, p1, …, pn-1},用这列数构造Huffman树的过程如下:

    1. 找到{pi}中最小的两个数,设为pa和pb,将pa和pb从{pi}中删除掉,然后将它们的和加入到{pi}中。这个过程的费用记为pa + pb。
    2. 重复步骤1,直到{pi}中只剩下一个数。
      在上面的操作过程中,把所有的费用相加,就得到了构造Huffman树的总费用。
      本题任务:对于给定的一个数列,现在请你求出用该数列构造Huffman树的总费用。
      例如,对于数列{pi}={5, 3, 8, 2, 9},Huffman树的构造过程如下:
    3. 找到{5, 3, 8, 2, 9}中最小的两个数,分别是2和3,从{pi}中删除它们并将和5加入,得到{5, 8, 9, 5},费用为5。
    4. 找到{5, 8, 9, 5}中最小的两个数,分别是5和5,从{pi}中删除它们并将和10加入,得到{8, 9, 10},费用为10。
    5. 找到{8, 9, 10}中最小的两个数,分别是8和9,从{pi}中删除它们并将和17加入,得到{10, 17},费用为17。
    6. 找到{10, 17}中最小的两个数,分别是10和17,从{pi}中删除它们并将和27加入,得到{27},费用为27。
    7. 现在,数列中只剩下一个数27,构造过程结束,总费用为5+10+17+27=59。
      输入格式
      输入的第一行包含一个正整数n(n<=100)。
      接下来是n个正整数,表示p0, p1, …, pn-1,每个数不超过1000。
      输出格式
      输出用这些数构造Huffman树的总费用。
      样例输入
      5
      5 3 8 2 9
      样例输出
      59

    package bb;
    import java.util.ArrayList;
    import java.util.Arrays;
    import java.util.List;
    import java.util.Scanner;
    public class Huffman树 {
    	public static void main(String[] args) {
    		Scanner sc = new Scanner(System.in);
    		int n = sc.nextInt();
    		List<Integer> list = new ArrayList<Integer>();
    		for (int i = 0; i < n; i++) {
    			int p = sc.nextInt();
    			list.add(p);
    		}
    		sc.close();
    		// -----------
    		boolean flag = true;
    		int sum = 0;
    		while (flag) {
    			if (list.size() < 2) {
    				System.out.println(sum);
    				flag = false;
    			} else {
    				int _arrSorted[] = new int[list.size()];
    				for (int i = 0; i < _arrSorted.length; i++) {
    					_arrSorted[i] = list.get(i);
    				}
    				Arrays.sort(_arrSorted);
    				int pa = _arrSorted[0];
    				int pb = _arrSorted[1];
    				list.remove(Integer.valueOf(pa));
    				list.remove(Integer.valueOf(pb));
    				int pab = pa + pb;
    				sum += pab;
    				list.add(pab);
    			}
    		}
    	}
    }
    
  • 相关阅读:
    python 集合 set
    Meet Python
    Python 模块
    KNN
    Python Numpy包安装
    R分词
    Maximum Entropy Model(最大熵模型)初理解
    Conditional Random Fields (CRF) 初理解
    Naive Bayes (NB Model) 初识
    Hidden Markov Models(HMM) 初理解
  • 原文地址:https://www.cnblogs.com/tigerlion/p/11190962.html
Copyright © 2011-2022 走看看